ค่าคาดหวังของการแจกแจงทวินาม

ค่าคาดหวังของการแจกแจงทวินาม

การแจกแจงทวินามเป็นหนึ่งในการแจกแจงความน่าจะเป็นแบบไม่ต่อเนื่องที่พบได้บ่อยที่สุดในสถิติและความน่าจะเป็น การแจกแจงนี้อธิบายจำนวนความสำเร็จในชุดของการทดลองแบบไบนารีที่เป็นอิสระต่อกัน (การทดลองที่มีผลลัพธ์เพียงสองอย่าง: สำเร็จหรือล้มเหลว) เพื่อให้เข้าใจการแจกแจงทวินามได้ดียิ่งขึ้น จำเป็นต้องเข้าใจแนวคิดของค่าคาดหวัง ซึ่งอธิบายค่าเฉลี่ยของชุดการทดลองซ้ำๆ ในระยะยาว บทความนี้จะทบทวนแนวคิดของค่าคาดหวังในบริบทของการแจกแจงทวินาม

นิยามของการแจกแจงทวินาม

การแจกแจงแบบทวินามเกิดขึ้นในบริบทที่เราทำการทดลองที่เหมือนกันและเป็นอิสระต่อกันจำนวนหนึ่ง และการทดลองแต่ละครั้งมีผลลัพธ์สองอย่างที่ไม่ซ้ำซ้อนกัน ซึ่งโดยทั่วไปเรียกว่า "ความสำเร็จ" และ "ความล้มเหลว" ตัวอย่างเช่น การโยนเหรียญ (หัวหรือก้อย) การตอบคำถามในข้อสอบ (จริงหรือเท็จ) หรือการทดลองทางการแพทย์ (หายหรือไม่หาย)

การแจกแจงทวินามถูกกำหนดโดยพารามิเตอร์สองตัว:
– n คือจำนวนครั้งของการทดลอง
– p คือ ความน่าจะเป็นของความสำเร็จในแต่ละครั้งของการทดลอง

กล่าวโดยคร่าวๆ หาก X เป็นตัวแปรสุ่มที่แสดงถึงจำนวนความสำเร็จในการทดลอง n ครั้ง X จะมีการแจกแจงแบบทวินามที่มีพารามิเตอร์ n และ p โดยเขียนแทนด้วย X ~ Binomial(n, p)

ฟังก์ชันความน่าจะเป็น

ฟังก์ชันความน่าจะเป็นของการแจกแจงทวินามมีดังนี้:
\[ P(X = k) = \binom{n}{k} p^k (1-p)^{nk} \]
ที่ไหน:
– \( \binom{n}{k} \) คือสัมประสิทธิ์ทวินาม ซึ่งคำนวณได้จาก \( \frac{n!}{k!(nk)!} \).
– \( k \) คือจำนวนความสำเร็จที่ต้องการ
– \( n \) คือจำนวนครั้งของการทดลอง
– p คือความน่าจะเป็นของความสำเร็จในแต่ละครั้งของการทดลอง
– \( (1-p) \) คือความน่าจะเป็นของความล้มเหลวในการทดลองแต่ละครั้ง

ค่าที่คาดหวัง

ค่าที่คาดหวังหรือค่าเฉลี่ยของการแจกแจงความน่าจะเป็นเป็นหนึ่งในมาตรวัดตำแหน่งศูนย์กลางที่สำคัญที่สุด สำหรับการแจกแจงทวินาม ค่าที่คาดหวังของตัวแปรสุ่ม X ที่เป็นไปตามการแจกแจงทวินาม Binomial(n, p) คือ:
[ E(X) = np \]

การพิสูจน์ค่าที่คาดหวัง

เพื่อให้เข้าใจว่าเหตุใดค่าคาดหวังของการแจกแจงแบบทวินามจึงเป็น np เราสามารถใช้คุณสมบัติความเป็นเส้นตรงของค่าคาดหวังและดูว่าตัวแปรไบนารีแต่ละตัวรวมกันแล้วมีส่วนช่วยอย่างไร

ให้เรากำหนด \( X \) เป็นจำนวนความสำเร็จในการทดลองแบบไบนารี n ครั้ง โดยเฉพาะอย่างยิ่ง ให้ \( X_i \) เป็นตัวแปรสุ่มที่แสดงผลลัพธ์ของการทดลองครั้งที่ i โดยที่ \( X_i = 1 \) ถ้าการทดลองครั้งที่ i ประสบความสำเร็จ และ \( X_i = 0 \) ถ้าการทดลองครั้งที่ i ล้มเหลว จากนั้นเราสามารถเขียน \( X \) ได้ดังนี้:
[ X = X_1 + X_2 + ... + X_n ]

เนื่องจากแต่ละ \( X_i \) เป็นตัวแปรไบนารีที่มีโอกาสสำเร็จ p ดังนั้นค่าที่คาดหวังของ \( X_i \) คือ:
[ E(X_i) = 1 ⋅ p + 0 ⋅ (1-p) = p ]

เราสามารถใช้คุณสมบัติความเป็นเส้นตรงของค่าคาดหวังสำหรับค่าคาดหวังของ X ได้:
[ E(X) = E(X_1 + X_2 + ... + X_n) ]
[ E(X) = E(X_1) + E(X_2) + ... + E(X_n) ]
[ E(X) = p + p + \ldots + p \]
[ E(X) = np \]

นี่แสดงให้เห็นว่าค่าที่คาดหวังของการแจกแจงทวินามคือ np

ตัวอย่างประกอบ

ลองพิจารณากรณีที่เราโยนเหรียญที่ยุติธรรม 10 ครั้ง สมมติว่าค่าคาดหวังของจำนวนครั้งที่โยนแล้วได้หัวจะเป็นเท่าใด

ในกรณีนี้:
– n = 10 (จำนวนครั้งที่โยนเหรียญ)
– p = 0.5 (ความน่าจะเป็นที่จะได้หัว เนื่องจากเหรียญเป็นเหรียญยุติธรรม)

ดังนั้น ค่าที่คาดหวังคือ:
[ E(X) = np = 10 \times 0.5 = 5 \]

หมายความว่า หากเราโยนเหรียญ 10 ครั้งซ้ำๆ กันในระยะยาว โดยเฉลี่ยแล้วเราจะได้หัว 5 ครั้ง

ความแปรปรวนและค่าเบี่ยงเบนมาตรฐาน

นอกเหนือจากค่าที่คาดหวังแล้ว การเข้าใจค่าความแปรปรวนและค่าเบี่ยงเบนมาตรฐานของการแจกแจงทวินามก็มีความสำคัญเช่นกัน

สำหรับการแจกแจงแบบทวินาม ค่าความแปรปรวน \( \sigma^2 \) และค่าเบี่ยงเบนมาตรฐาน \( \sigma \) มีดังนี้:
[ σ² = np(1-p) ]
\[ \sigma = \sqrt{np(1-p)} \]

ค่าความแปรปรวนใช้วัดว่าข้อมูลกระจายตัวออกไปจากค่าที่คาดหวังมากน้อยเพียงใด ส่วนค่าเบี่ยงเบนมาตรฐานคือรากที่สองของค่าความแปรปรวน และก็ใช้วัดการกระจายตัวของข้อมูลเช่นกัน แต่มีหน่วยเดียวกับข้อมูลเดิม

บทสรุป

การแจกแจงทวินามเป็นแนวคิดพื้นฐานในสถิติและความน่าจะเป็น ซึ่งพบเห็นได้บ่อยในแอปพลิเคชันต่างๆ ในโลกแห่งความเป็นจริง ตั้งแต่ธุรกิจไปจนถึงสังคมศาสตร์และชีววิทยา ค่าคาดหวังของการแจกแจงทวินาม ซึ่งคำนวณได้จาก np ให้ข้อมูลเชิงลึกที่สำคัญเกี่ยวกับจำนวนความสำเร็จโดยเฉลี่ยในชุดของการทดลองแบบไบนารี การทำความเข้าใจแนวคิดของค่าคาดหวัง ความแปรปรวน และส่วนเบี่ยงเบนมาตรฐาน จะช่วยให้เราเข้าใจลักษณะของการแจกแจงทวินามและวิธีที่มันอธิบายปรากฏการณ์บางอย่างในชีวิตประจำวันได้ชัดเจนยิ่งขึ้น

ความรู้เหล่านี้มีประโยชน์อย่างยิ่ง ไม่เพียงแต่ในการวิเคราะห์ข้อมูลและสถิติเท่านั้น แต่ยังรวมถึงการตัดสินใจที่ต้องประเมินความน่าจะเป็นและความไม่แน่นอนด้วย การเข้าใจค่าคาดหวังและการแจกแจงแบบทวินามจะช่วยให้เราคาดการณ์ได้แม่นยำยิ่งขึ้นและตัดสินใจได้อย่างรอบคอบมากขึ้น